一种用于监控容器集群的预警模型的确定方法及系统技术方案

本发明专利技术提供了一种用于监控容器集群的预警模型的确定方法及系统，该方法包括：从容器集群中采集多个第一容器指标的样本指标数据；基于样本指标数据，确定第一容器指标的综合权重；基于综合权重，从多个第一容器指标中筛选得到多个第二容器指标；利用第二容器指标的样本指标数据，训练预设的神经网络模型直至神经网络模型收敛以得到预警模型。按照计算得到的综合权重，选择用于训练得到预警模型的多个第二容器指标；通过预警模型和第二容器指标来判断容器集群是否异常，以提高监控容器集群的准确性。确性。确性。

【技术实现步骤摘要】
一种用于监控容器集群的预警模型的确定方法及系统


[0001]本专利技术涉及数据处理
，具体涉及一种用于监控容器集群的预警模型的确定方法及系统。

技术介绍

[0002]随着容器技术的发展，越来越多企业(如银行)将业务运行于容器中。由于容器镜像存在大量的运行实例，且新镜像和新版本的引入速度很快，所以故障很容易通过容器扩散。为保证容器的正常运行，有必要对容器的容量进行监控。
[0003]目前监控容器的方式通常是利用单个容器指标来判断容器集群是否异常。但是，容器的容量与多个容器指标相关，仅通过单个容器指标无法准确地判断容器集群是否异常，监控容器集群的准确性较差。

技术实现思路

[0004]有鉴于此，本专利技术实施例提供一种用于监控容器集群的预警模型的确定方法及系统，以解决目前监控容器的方式存在的监控容器集群的准确性较差等问题。
[0005]为实现上述目的，本专利技术实施例提供如下技术方案：
[0006]本专利技术实施例第一方面公开一种用于监控容器集群的预警模型的确定方法，所述方法包括：
[0007]从容器集群中采集多个第一容器指标的样本指标数据；
[0008]基于所述样本指标数据，确定所述第一容器指标的综合权重；
[0009]基于所述综合权重，从多个所述第一容器指标中筛选得到多个第二容器指标；
[0010]利用所述第二容器指标的所述样本指标数据，训练预设的神经网络模型直至所述神经网络模型收敛以得到预警模型。
[0011]优选的，基于所述样本指标数据，确定所述第一容器指标的综合权重，包括：
[0012]基于所述样本指标数据和预设赋权法，确定所述第一容器指标的综合权重，其中，所述预设赋权法由熵值法和CRITIC赋权法组成。
[0013]优选的，基于所述综合权重，从多个所述第一容器指标中筛选得到多个第二容器指标，包括：
[0014]按照所述综合权重由高至低的顺序，从多个所述第一容器指标中筛选出预设数量个所述第一容器指标以作为第二容器指标。
[0015]优选的，训练预设的神经网络模型直至所述神经网络模型收敛以得到预警模型之后，所述方法还包括：
[0016]从所述容器集群中采集所述第二容器指标的实际指标数据；
[0017]将所述实际指标数据输入所述预警模型以得到相应的预警等级。
[0018]优选的，将所述实际指标数据输入所述预警模型以得到相应的预警等级之后，所述方法还包括：
[0019]当所述预警等级为任一指定等级时，以预设方式向指定用户发送告警信息。
[0020]本专利技术实施例第二方面公开一种用于监控容器集群的预警模型的确定系统，所述系统包括：
[0021]第一采集单元，用于从容器集群中采集多个第一容器指标的样本指标数据；
[0022]计算单元，用于基于所述样本指标数据，确定所述第一容器指标的综合权重；
[0023]筛选单元，用于基于所述综合权重，从多个所述第一容器指标中筛选得到多个第二容器指标；
[0024]训练单元，用于利用所述第二容器指标的所述样本指标数据，训练预设的神经网络模型直至所述神经网络模型收敛以得到预警模型。
[0025]优选的，所述计算单元具体用于：基于所述样本指标数据和预设赋权法，确定所述第一容器指标的综合权重，其中，所述预设赋权法由熵值法和CRITIC赋权法组成。
[0026]优选的，所述筛选单元具体用于：按照所述综合权重由高至低的顺序，从多个所述第一容器指标中筛选出预设数量个所述第一容器指标以作为第二容器指标。
[0027]优选的，所述系统还包括：
[0028]第二采集单元，用于从所述容器集群中采集所述第二容器指标的实际指标数据；
[0029]预警单元，用于将所述实际指标数据输入所述预警模型以得到相应的预警等级。
[0030]优选的，所述预警单元还用于：当所述预警等级为任一指定等级时，以预设方式向指定用户发送告警信息。
[0031]基于上述本专利技术实施例提供的一种用于监控容器集群的预警模型的确定方法及系统，该方法包括：从容器集群中采集多个第一容器指标的样本指标数据；基于样本指标数据，确定第一容器指标的综合权重；基于综合权重，从多个第一容器指标中筛选得到多个第二容器指标；利用第二容器指标的样本指标数据，训练预设的神经网络模型直至神经网络模型收敛以得到预警模型。本方案中，利用第一容器指标的样本指标数据计算得到相应的综合权重。按照综合权重从第一容器指标中筛选得到第二容器指标；利用第二容器指标的样本指标数据训练神经网络模型以得到预警模型。按照计算得到的综合权重，选择用于训练得到预警模型的多个第二容器指标；通过预警模型和第二容器指标来判断容器集群是否异常，以提高监控容器集群的准确性。
附图说明
[0032]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[0033]图1为本专利技术实施例提供的一种用于监控容器集群的预警模型的确定方法的流程图；
[0034]图2为本专利技术实施例提供的k8s容器集群的架构示例图；
[0035]图3为本专利技术实施例提供的BP神经网络模型的数据处理流向示意图；
[0036]图4为本专利技术实施例提供的训练误差曲线；
[0037]图5为本专利技术实施例提供的一体化平台的架构示例图；
[0038]图6为本专利技术实施例提供的一种用于监控容器集群的预警模型的确定系统的结构框图。
具体实施方式
[0039]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0040]在本申请中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0041]由
技术介绍
可知，为保证容器的正常运行，有必要对容器的容量进行监控。目前监控容器的方式通常是利用单个容器指标来判断容器集群是否异常。但是，容器的容量与多个容器指标相关，仅通过单个容器指标无法准确地判断容器集群是否异常，监控容器集群的准确性较差。
[0042]因此，本专利技术实施例提供一种用于监控容器集群的预警模型的确定方法及系统，利用第一容器指标的样本指标数据计算得到相应本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于监控容器集群的预警模型的确定方法，其特征在于，所述方法包括：从容器集群中采集多个第一容器指标的样本指标数据；基于所述样本指标数据，确定所述第一容器指标的综合权重；基于所述综合权重，从多个所述第一容器指标中筛选得到多个第二容器指标；利用所述第二容器指标的所述样本指标数据，训练预设的神经网络模型直至所述神经网络模型收敛以得到预警模型。2.根据权利要求1所述的方法，其特征在于，基于所述样本指标数据，确定所述第一容器指标的综合权重，包括：基于所述样本指标数据和预设赋权法，确定所述第一容器指标的综合权重，其中，所述预设赋权法由熵值法和CRITIC赋权法组成。3.根据权利要求1所述的方法，其特征在于，基于所述综合权重，从多个所述第一容器指标中筛选得到多个第二容器指标，包括：按照所述综合权重由高至低的顺序，从多个所述第一容器指标中筛选出预设数量个所述第一容器指标以作为第二容器指标。4.根据权利要求1所述的方法，其特征在于，训练预设的神经网络模型直至所述神经网络模型收敛以得到预警模型之后，所述方法还包括：从所述容器集群中采集所述第二容器指标的实际指标数据；将所述实际指标数据输入所述预警模型以得到相应的预警等级。5.根据权利要求4所述的方法，其特征在于，将所述实际指标数据输入所述预警模型以得到相应的预警等级之后，所述方法还包括：当所述预警等级...

【专利技术属性】
技术研发人员：潘玉婷，闫继忠，孙锋，王毅，
申请(专利权)人：中国建设银行股份有限公司，
类型：发明
国别省市：